Académique Documents
Professionnel Documents
Culture Documents
09 Cours Statistiques Pourcentages Probabilite
09 Cours Statistiques Pourcentages Probabilite
Statistiques
Pourcentages et probabilité
1 Statistiques 2
1.1 Objet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Paramètres de position . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Paramètres de dispersion . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Pourcentage 7
2.1 Les pourcentages instantanés . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Pourcentage d’évolution . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 Loi de probabilité 12
3.1 Conditions préalables . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Loi équirépartie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6 Intervalle de fluctuation 18
6.1 Loi des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.2 Intervalle de fluctuation . . . . . . . . . . . . . . . . . . . . . . . . . 19
1 Statistiques
1.1 Objet
Sur une population (d’objets ou de personnes), on étudie un ou plusieurs critères
ou variables. Les résultats obtenus constituent ce qu’on appelle une série statis-
tique. Dans la suite du chapitre, on s’intéressera aux séries d’une seule variable.
a) La moyenne
1) La moyenne simple :
Si la série ne comporte qu’un petit nombre de données. On somme les xi et
l’on divise par le nombre de donné N. On note x la moyenne obtenue. On a
alors la formule suivante :
∑ xi
x=
N
Exemple : Soit les cinq notes de mathématiques suivantes : 8 ; 12 ; 9,5 ; 17 ; 13
8 + 12 + 9, 5 + 17 + 13 59, 5
Leur moyenne est alors : x = = = 11, 9
5 5
2) La moyenne pondérée :
Lorsque le nombre de données est plus important, on est amené à remplir un
tableau d’effectifs. On note alors xi une valeur prise par la variable et ni son
effectif. N étant toujours le nombre total de données, on a alors :
∑ ni × xi
x=
N
Exemple : Soit les notes de mathématiques obtenues par les 36 élèves d’une
classe de seconde :
Notes ( xi ) 8 9 10 11 12 13 14
Effectifs (ni ) 6 2 7 3 4 8 6
8 × 6 + 9 × 2 + 10 × 7 + 11 × 3 + 12 × 4 + 13 × 8 + 14 × 6 405
x= = = 11, 25
36 36
3) Moyenne de deux séries statistiques
Lorsque deux séries S1 et S2 ont pour moyenne respective x¯1 et x¯2 et comme
effectif respectif n1 et n2 , la moyenne des deux séries x¯T est égale à :
n1 x 1 + n2 x 2
xT =
n1 + n2
Exemple : Dans une entreprise de 60 salariés, le salaire moyen des hommes
est de 1 500 e net et le salaire moyen des femmes de 1 300 e net. Sachant qu’il
y a 42 femmes dans l’entreprise, quel est le salaire net moyen des salariés ?
S’il y a 42 femmes, il y a : 60 − 42 = 18 hommes. Le salaire net moyen des
salariés en euros est égal à :
b) La médiane
On cherche ici à séparer la série en deux effectifs égaux.
N+1
• Le nombre de données est pair. Le nombre n’est pas entier, il est compris
2
entre deux entiers.
On prendra alors le milieu des valeurs correspondantes.
Soit la série de notes suivante : 8 ; 9,5 ; 11 ; 12 ; 13 ; 17
N+1 6+1
On calcule : = = 3, 5
2 2
On prend le milieu de la troisième et quatrième valeur de la série :
11 + 12
Me = = 11, 5
2
c) Quartiles
On peut, comme pour la médiane, définir deux autres paramètres de position : le
premier et troisième quartile
N 3N
Dans la pratique, on calcule les quantités : et en prenant la valeur im-
4 4
médiatement au dessus.
Exemple : On connaît la taille (en cm) d’un groupe de 45 enfants de 5 à 7 ans.
On obtient alors la série :
N 45 3N 135
On calcule : = = 11, 25 et = = 33, 75
4 4 4 4
On prend donc la 12e valeur et la 34e valeur respectivement pour le 1er et 3e quar-
tile : Q1 = 111 et Q3 = 118
On obtient donc l’intervalle interquartile : IQ = [111 ; 118]
L’écart interquartile est : e = 118 − 111 = 7
d) Diagramme en boîte
Pour résumer les différentes valeurs que l’on a déterminées, on réalise un dia-
gramme appelé "diagramme en boîte". Dans ce diagramme figure : les valeurs ex-
trêmes : valeurs minimum et maximum, les quartiles et la médiane.
Remarque : Lorsque la série a beaucoup de valeurs, on peut être amené à diviser
la série en 10 parties égales : ce sont les déciles. Les valeurs du premier décile D1
et du neuvième décile D9 remplace alors les valeurs extrêmes de la série dans le
diagramme en boîte.
On a alors :
b b b b b b b
xmin D1 Q1 Me Q3 D9 xmax
D1 = 109 et D9 = 121
xmin D1 D9 xmax
b b b
Q1 b
Me Q3 b b b
∑ ( x i − x )2 ∑ n i × ( x i − x )2
V= ou V=
N N
L’écart type σ représente alors la racine carrée de la variance, soit :
√
σ= V
b) Exemple
On s’intéresse aux notes de mathématiques des élèves Coraline et Séverine. Les
six notes obtenues sont consignées dans le tableau suivant :
Coraline 12 8 5 16 9 10
Séverine 10 11 12 10 8 9
12 + 8 + 5 + 16 + 9 + 10 60 10 + 11 + 12 + 10 + 8 + 9 60
xc = = = 10 et xs = = = 10
6 6 6 6
(10 − 10)2 + (11 − 10)2 + (12 − 10)2 + (10 − 10)2 + (8 − 10)2 + (9 − 10)2
Vs =
6
0+1+4+0+4+1 10
= = ≃ 1, 67
6 6
On a alors les écart types suivants :
√ √
σc = Vc ≃ 11, 67 ≃ 3, 4
√ √
σs = Vs ≃ 1, 67 ≃ 1, 3
Remarque : Bien que Coralie et Séverine aient la même moyenne, les notes de
Coralie sont plus dispersées car σc > σs . On peut donc dire que Séverine est
plus régulière que Coralie.
2 Pourcentage
2.1 Les pourcentages instantanés
15 4, 5
Exemple : : 15 % = = 0, 15 ou encore 4,5 % = = 0, 045
100 100
a) Déterminer un pourcentage
Lorsque l’on cherche à déterminer l’importance de la partie dans le total, nous
pouvons utiliser deux paramètres. Soit la part qui est le rapport de la partie sur
le total, soit la part en pourcentage qui correspond à ce rapport multiplié par 100.
Total Partie
Partie Part =
Total
Partie
Pourcentage = × 100
Total
b) Prendre un pourcentage
Cette fois nous connaissons la part ou le pourcentage et le total. Nous cherchons
la partie.
Partie = Part × Total
Pourcentage
Partie = × Total
100
Exemple : Sur les 300 élèves que compte un établissement, 12% sont des élèves
de seconde. Dans cette classe de seconde, un quart des élèves étudient l’allemand.
Quel est le nombre d’élèves de seconde et le nombre de ceux-ci qui étudient l’al-
lemand ?
12
Nombre d’élèves de seconde = × 300 = 36
100
1
secondes qui étudient l’allemand = × 36 = 9
4
c) Déterminer le total
Souvent le plus simple pour calculer le total connaissant la partie et le pourcen-
tage, est d’effectuer un tableau de proportionnalité.
14% 35 35 × 100
Nbre de touristes = = 250
100% Nbre de touristes 14
d) Pourcentage de pourcentage
On parle de pourcentage de pourcentage lorsque la partie contient un sous-ensemble.
Nous avons alors le schéma suivant :
E B A représente a % de B
A
B représente b % de E
A représente a % de b % de E
a×b
A représente donc % de E
100
45 × 80
Nbre de garçons de moins de 16 ans = = 36 %
100
Vi > Vf
Valeur initiale Valeur finale
Vf − Vi
Pourcentage d’évolution = × 100
Vi
On peut définir un coefficient afin de passer de la valeur initiale à la valeur finale
par une multiplication. On note ce coefficient CM (coefficient multiplicateur).
Vf
CM = on a alors : Vf = CM × Vi
Vi
Exemples :
91 000
CM = = 1, 625
56 000
2) Le prix d’un téléviseur de 1 560 e a été soldé à 1 365e. Quel est le pourcentage
de réduction. Calculer le coefficient multiplicateur.
1 365
CM = = 0, 875
1 560
Remarque :
• Pour le pourcentage d’évolution, on divise toujours par la valeur initiale. Si
le pourcentage est positif, il s’agit d’une augmentation. Si le pourcentage est
négatif , il s’agit d’une réduction
• Synonyme d’augmentation : hausse, inflation, . . .
Synonymes de réduction : diminution, déflation, rabais, démarque, solde, re-
mise, . . .
• Pour une augmentation CM > 1 et pour une réduction CM < 1.
Exemples :
1) La fréquentation d’un musée subit une augmentation de 18 % de 2007 à 2014.
En 2007, 110 000 personnes ont visité le musée. Quel est le nombre de visiteurs
en 2014 ?
18
CM = 1 + = 1, 18
100
Nbre de visiteurs = 1, 18 × 110 000 = 129 800
2) Un ordinateur de 980e baisse de 5 %. Quel est le nouveau prix de cet ordina-
teur ?
5
CM = 1 − = 0, 95
100
Nouveau prix = 0, 95 × 980 = 931
Exemples :
1) Le coefficient multiplicateur est de 1,03. Quel est le pourcentage d’augmenta-
tion ?
Comme le coefficient multiplicateur est supérieur à 1, il s’agit bien d’une aug-
mentation
a = 100 × (1, 03 − 1) = 3 %
e) Évolutions successives
Lorsqu’une valeur subit deux évolutions successives, on peut schématiser la si-
tuation comme :
CM1 CM2
V1 −−−−−− → V2 −−−−−− → V3
TCM =CM ×CM2
1
V1 −−−−−−−−−−−−−−−−→ V3
Pour trouver le coefficient multiplicateur global, il suffit de multiplier les coeffi-
cients multiplicateurs successifs.
Exemples :
10 15
CM1 = 1 + = 1, 1 et CM2 = 1 + = 1, 15
100 100
Calculons le coefficient multiplicateur global :
10 10
CM1 = 1 + = 1, 1 et CM2 = 1 − = 0, 9
100 100
CMT = CM1 × CM2 = 1, 1 × 0, 9 = 0, 99
Il s’agit d’une réduction de :
Remarque : Notre première impression "le prix reste inchangé" était fausse.
3 Loi de probabilité
3.1 Conditions préalables
Il s’agit de construire une structure mathématique qui permette de repérer des
situations identiques et d’avoir un méthode rigoureuse dans un domaine où notre
intuition nous conduit souvent à la solution sans vraiment avoir conscience de
notre démarche.
Dans tout calcul de probabilité, il faut :
1) Une expérience aléatoire : il s’agit d’un protocole bien précis (règle d’un jeu)
dont on ne peut prévoir l’issue.
Exemples :
• Lancer un dé sur une piste de jeu.
• Lancer une pièce de monnaie.
• Distribuer 5 cartes à un joueur avec un jeu de 32 cartes.
• Poser une question au hasard à un lycéen choisi au hasard.
• etc . . .
2) Repérer toutes les issues possibles de l’expérience : il s’agit d’un dénombre-
ment des issues possibles d’une expérience.
Exemples :
• Il y a 6 issues possibles pour un dé : {1; 2; 3; 4; 5; 6}.
• Il y a deux issues possibles pour une pièce de monnaie : face ou pile : { F; P}
• Il y a 201 376 mains possibles de 5 cartes pour un jeu de 32 cartes
• Il y a 1 200 lycéens dans l’échantillon qui peuvent être interroger.
• etc . . .
3) Déterminer ce que l’on souhaite comme issues.
Exemples :
• Obtenir un nombre pair avec un dé.
• Obtenir face avec une pièce.
• Obtenir 2 cœur dans une main de cinq cartes.
• Obtenir un lycéen âgé de moins de 17 ans.
• etc . . .
3.2 Définitions
Exemples : :
• L’univers d’un dé : Ω = {1; 2; 3; 4; 5; 6}
• L’univers d’une pièce : Ω = { F; P}
• Parfois nommer toutes les issues est trop long comme l’univers d’une main de
5 cartes avec un jeu de 32 cartes. On se contente alors de compter les éléments
de cet ensemble Ω
Exemples :
• L’univers Ω d’un dé : card(Ω) = 6
• L’univers Ω d’une main de cinq cartes : card(Ω) = 201 376
p ( e1 ) + p ( e2 ) + · · · + p ( e n ) = 1
Exemples :
• Dans un urne qui contient 10 boules indiscernables au toucher, 3 sont vertes
(V), 3 sont bleues (B) et 4 sont jaunes (J), on tire une boule au hasard et on note
sa couleur.
Déterminer la loi de probabilité de cette expérience.
L’univers de cette expérience est Ω = {V, R, J}. Pour déterminer la loi probabi-
lité de cette expérience, il faut calculer les probabilités suivantes :
3 3 4
p (V) = = 0, 3 , p (B) = = 0, 3 , p (J) = = 0, 4
10 10 10
ei V R J
On regroupe ces résultats dans un tableau :
p ( ei ) 0,3 0,3 0,4
• On a lancé 1 000 fois un dé pipé. Les résultats sont consignés dans le tableau
ci-dessous. Établir la loi de probabilité du dé pipé.
numéro sorti 1 2 3 4 5 6
nombre de sorties 82 120 153 207 265
Un dé pipé est un dé non équilibré. La loi de probabilité est alors établie par des
données statistiques. Sans avoir de certitude sur les probabilités exactes, vu le
grand nombre de lancés (1 000), on peut supposer que le nombre d’apparition
d’une face détermine sa probabilité.
L’ensemble univers est Ω = {1, 2, 3, 4, 5, 6}.
Exemples : :
• Dans un dé bien équilibré chaque face à la même probabilité d’apparition :
1
p (1) = p (2) = p (3) = p (4) = p (5) = p (6) =
6
• Si une pièce est bien équilibrée chaque face à la même probabilité d’apparition :
1
p( F ) = p( P) =
2
Remarque :
• Si l’ensemble A est réduit à l’ensemble vide ∅, il n’est composé d’aucune issue.
On l’appelle alors l’événement impossible et p(∅) = 0
• Si l’ensemble A représente tout l’univers Ω, il est composé de toutes les issues.
On l’appelle alors l’événement certain et p(Ω) = 1
x∈A ⇔ x∈Ω et /A
x∈
× x A
Exemples :
• On lance un dé :
A : faire au moins 3 d’où A : faire au plus 2
• On tire deux cartes dans un jeu de 32
B : Obtenir au moins un cœur d’où B : Obtenir aucun cœur
x ∈ A ∩ B ⇔ x ∈ A et x ∈ B
A × x B
Exemples :
• On tire une carte dans un jeu de 32 cartes, soient les événements suivants :
)
A : Obtenir un cœur
A ∩ B : Obtenir la dame de cœur
B : Obtenir une dame
• Une classe de seconde est constituée de filles et de garçons. Les élèves sont âgés
de 15 à 17 ans. On interroge un élève au hasard.
)
A : l’élève interrogé est un garçon
A ∩ B : L’élève est un garçon de 15 ans
B : L’élève interrogé a 15 ans
x ∈ A ∪ B ⇔ x ∈ A ou x ∈ B
A × a1 × a3 × a2 B
A ⊂ B ⇒ A∪B = B
Exemples :
• On tire une carte dans un jeu de 32
)
A : Obtenir un cœur
A ∪ B : Obtenir une dame ou un cœur
B : Obtenir une dame
• Une classe de seconde est constituée de filles et de garçons. Les élèves sont âgés
de 15 à 17 ans. On interroge un élève au hasard.
)
A : l’élève interrogé est un garçon L’élève est un garçon
A∪B :
B : L’élève interrogé a 15 ans ou un élève de 15 ans
p (A ∪ B) = p (A) + p (B) − p (A ∩ B)
p (B) = p (A ∪ B) − p (A) + p (A ∩ B)
p(B) = 0, 7 − 0, 3 + 0, 2 = 0, 6
6 Intervalle de fluctuation
6.1 Loi des grands nombres
Théorème 3 : Pour une expérience donnée, dans un modèle défini par une
loi de probabilité, les distributions des fréquences calculées sur un échantillon de
taille n, se rapproche de la loi de probabilité lorsque n devient grand.
Exemples :
• Si nous reprenons nos 120 expériences des 100 lancés de pièces de monnaie.
On sait que la probabilité d’obtenir "face" vaut p = 0, 5. Comme n = 120, la
fréquence observée doit être être dans l’intervalle I
1 1
I = 0, 5 − √ ; 0, 5 + √ ≃= [0, 41 ; 0, 59]
120 120
On trace alors sur notre graphe les droites y = 0, 41 et y = 0, 59. On obtient
alors :
• Pour savoir si une pièce est équilibrée, on la lance 200 fois. On a obtenu 120 fois
"pile". Est-il vraisemblable que la pièce soit équilibrée ?
On calcule l’intervalle de confiance à 95 % :
1 1
I = 0, 5 − √ ; 0, 5 + √ ≃= [0, 43 ; 0, 57]
200 200
120
or f obs = = 0, 6. donc f obs ∈/ I.
200
Il y a de forte chance que la pièce ne soit pas équilibrée.